본 논문에서는 냉장고 사이클의 진공 공정에서 발생하는 다양한 이상 패턴을 탐지하고 분류하기 위한 CAE-MLP 기반 AI 모델을 제안한다. 기존의 규칙 기반 진단 방법은 새롭게 나타나는 이상 패턴이나 공정 지연의 불규칙성을 효과적으로 탐지하는 데 한계가 있다. 이러한 문제를 해결하기 위해 본 연구에서는 정상 데이터의 패턴을 학습하기 위해 컨볼루션 오토인코더(Convolutional Autoencoder, CAE)를 사용하고, 재구성 오차를 바탕으로 이상 데이터를 탐지한다. 또한 탐지된 이상 패턴을 특정 고장 유형으로 분류하기 위해 다층 퍼셉트론(Multi-Layer Perceptron, MLP)을 적용한다. 제안된 CAE-MLP 모델은 불균형 데이터에서도 높은 성능을 보였다. 규칙 기반 방법을 통합함으로써, 이상 탐지에서 F1 Score 1.0을 달성하였으며 고장 패턴 분류에서는 100%의 정확도를 나타냈다. 본 방법론은 냉장고 제조 공정의 품질 관리를 향상시킬 뿐 아니라, 다양한 산업에서의 진공 공정 전반에 걸친 이상 탐지 및 분류 시스템의 확장성과 적용 가능성을 시사한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.